MétaCan
Menu
Retour à la cohorte
Enregistrement W2333353852 · doi:10.1061/9780784413692.134

Tell Me the Available Fire Flow for Every Pipe in the System: Integration of Model Calibration, Infrastructure Planning, and Operation

2014· article· en· W2333353852 sur OpenAlexaff
Benny Wan, Imran Motala, Steven Jobson

Notice bibliographique

RevuePipelines 2014 · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensCustom Security Industries (Canada)Aecom (Canada)Canadian Water and Wastewater Association
Organismes subventionnairesnon disponible
Mots-clésLeverage (statistics)Computer scienceFire protectionRedundancy (engineering)Water flowCalibrationEnvironmental scienceEngineeringReliability engineeringCivil engineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

The ability of a water distribution system to deliver sufficient fire flow is gaining greater attention as Peel Region is trying to maintain sustainable growth in the system. As requested by the fire department, Peel needs to color code every hydrant in the system in accordance with standard NFPA 291. The color coding of about 30,000 hydrants based on maximum allowable water supply would be an extremely challenging undertaking for the Region so it has decided to leverage its hydraulic model to help identify the system's capability in delivering fire flow for all hydrants. With the calibrated model, the maximum available fire flow while maintaining a minimum system pressure of 20 psi can be estimated for every pipe. The results were reviewed with the Region's operation staff to confirm the results accuracy and identify any potential system deficiencies, data gaps and water replacement requirements for the Region. From our presentation, the attendees will learn the following importance of aspects of the fire flow analysis. (1) System upgrades to improve system redundancy and water system security. (2) Reprioritization of the "state of good repair."(3) An effective way to physically color code 30,000 hydrants in the system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,006

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePipelines 2014Même sujetWater Systems and OptimizationTravaux en français237 207